El noventa y nueve por ciento de los líderes afirma que los datos de personal desconectados están perjudicando sus resultados financieros, y más del 80 % sitúa el suelo de ese daño en el 3 % de la nómina total (Korn Ferry, 2026). Para una organización de 200 FTE, el 3 % de la nómina no es un error de redondeo: es una o dos posiciones enteras, gastadas cada año en la fricción entre sistemas que se suponía que iban a facilitar las decisiones. Pero la cifra que debería detener a un Head of Operations a mitad de la planificación es la que está debajo: la confianza en la decisión se sitúa en el 4 % para los líderes sin sistemas integrados, frente al 55 % de quienes los tienen (Korn Ferry, 2026). El impuesto de la fragmentación no es solo dinero. Es el colapso silencioso de vuestra capacidad de saber si alguna de las decisiones de personal que tomáis este trimestre es la correcta.
Esto importa ahora por lo que estáis a punto de hacerle a ese stack. El plan del Q3 en la mayoría de los escritorios del mid-market es añadir una capa de IA agéntica sobre los sistemas de datos de personal existentes. Los datos de Korn Ferry dicen que el sustrato sobre el que construís ya está tan fragmentado que los líderes han dejado de confiar en él — y el instinto de arreglarlo añadiendo otra capa es precisamente al revés. Los datos de personal desconectados no son un problema que un agente de IA resuelve. Son un problema que un agente de IA hereda, y luego amplifica.
La cifra del 3 % y el precipicio de confianza que hay debajo
Empezad por la encuesta, porque es el diseño lo que da peso al hallazgo. Korn Ferry realizó su Global Talent Analytics Survey 2026 entre 1.600 líderes del C-suite y de RR. HH. sénior en diez países — EE. UU., Reino Unido, Francia, Alemania, Brasil, Emiratos Árabes Unidos, Arabia Saudí, Singapur, Australia e India — entre diciembre de 2025 y enero de 2026, publicando los resultados el 21 de abril de 2026 (Korn Ferry, 2026). No es un pulso puntual de un solo mercado. Es una muestra amplia y sénior, y los resultados se agrupan lo suficiente como para que sea difícil descartar el patrón como ruido.
Tres cifras cargan el peso operativo. Primera, el suelo del 3 % de la nómina: más del 80 % de los líderes lo señala como el coste mínimo de los datos desconectados, lo que significa que la cifra real es casi con certeza más alta y el número reportado es el borde optimista. Segunda, el 71 % admite que ahora recurre al instinto porque el puro volumen de datos entre sus plataformas supera lo que pueden integrar y reconciliar (Korn Ferry, 2026). Tercera, el 31 % informa de que más de una cuarta parte de su plantilla queda infrautilizada como efecto directo aguas abajo de no poder ver, entre los sistemas, quién sabe hacer realmente qué.
Leedlas juntas y el mecanismo queda claro. Más datos no produjeron más claridad; pasado un umbral, produjeron menos, porque el coste de integrarlos superó la capacidad de hacerlo. Así, los líderes recurrieron al instinto — no porque desconfíen de los datos en principio, sino porque los datos que tienen llegan en fragmentos que no pueden reconciliarse con la rapidez suficiente para importar. La brecha de confianza del 4 % frente al 55 % (Korn Ferry, 2026) es la puntuación de esa retirada. La fragmentación no solo cuesta dinero al margen; devuelve silenciosamente a vuestra intuición las decisiones de personal más trascendentes.
Por qué un agente de IA sobre datos de personal desconectados lo empeora
Aquí está la inversión que la mayoría de los planes de despliegue 2026 pasa por alto. El argumento a favor de un agente de IA es que atravesará la sobrecarga de datos — leer entre los sistemas, sintetizar y entregar a la dirección una recomendación limpia. Sobre un stack conectado, eso es más o menos cierto. Sobre uno desconectado, el agente hace lo contrario de lo que promete el folleto.
Un agente vale solo lo que valen los datos que puede alcanzar y reconciliar. Colocadlo encima de tres a diez sistemas que no concuerdan — donde la plantilla del HRIS no coincide con la nómina, donde la taxonomía de competencias del LMS es ortogonal a la del ATS, donde «desempeño» significa una cosa en una herramienta y otra en otra — y el agente no resuelve las contradicciones. Las blanquea. Produce una recomendación segura y fluida que hereda cada incoherencia del stack subyacente, ahora envuelta en una capa de autoridad algorítmica que hace esa incoherencia más difícil de ver, no más fácil.
Así es como añadir un agente hace subir la toma de decisiones por instinto en lugar de bajarla. Los líderes de la muestra de Korn Ferry ya habían recurrido al instinto ante una fragmentación en bruto que al menos podían reconocer como desordenada. La salida de un agente no parece desordenada — parece resuelta. Así que ocurre una de dos cosas: la dirección confía en una síntesis construida sobre entradas contradictorias, o intuye que la salida no es fiable y recurre al instinto de todos modos, habiendo gastado ya presupuesto para llegar al mismo punto. En ambos casos, el impuesto del 3 % no se reduce. Habéis añadido una capa de coste y una capa de falsa confianza encima de él.
El mid-market es donde este impuesto muerde primero
La organización de 200 a 500 FTE está más expuesta al impuesto de la fragmentación que una startup o una gran empresa, y por una razón estructural. Solo el 5 % de las organizaciones de la muestra de Korn Ferry declara un stack de datos plenamente conectado; la mayoría opera entre tres y diez separados (Korn Ferry, 2026). El mid-market se sitúa en el peor punto de esa curva.
Una gran empresa tiene escala suficiente para financiar una función de integración, un equipo de datos y el middleware que cose los sistemas en algo que se acerca a una única fuente de verdad — imperfecta, pero reconciliada. Una startup de diez personas tiene tan pocos sistemas y tan pocas personas que el fundador puede sostener todo el cuadro en la cabeza; no hay nada que integrar. El mid-market no tiene ninguna de las dos ventajas: ha acumulado una proliferación de herramientas de nivel empresarial — un HRIS, un ATS, un LMS, una plataforma de desempeño, una herramienta de engagement, un sistema de nómina, a menudo más — sin el presupuesto de integración de nivel empresarial para conectarlas. Es lo bastante complejo para necesitar un stack conectado y demasiado liviano para haberlo construido.
Peor aún, los roles del mid-market son de carga y singulares. Cuando el 31 % de los líderes dice que más de una cuarta parte de su gente está infrautilizada (Korn Ferry, 2026), esa estadística aterriza distinto en una organización donde un analista, un responsable de operaciones o un ingeniero es genuinamente insustituible. No podéis ver la infrautilización porque la señal que la revelaría — el conjunto real de capacidades de esa persona, mapeado contra dónde está el trabajo — está dispersa entre sistemas que no se hablan. La restricción permanece invisible hasta que la persona renuncia o se quema, y entonces resulta cara de un modo del que ningún cuadro de mando os avisó.
La contra-lectura: «Añadamos el agente y arreglemos los datos después»
La objeción razonable: la integración es un proyecto de varios trimestres e intensivo en capital, y el agente está disponible ahora. Enviad el agente, capturad algo de valor y arreglad la fontanería de datos por una vía más lenta. No dejéis que lo perfecto bloquee lo bueno.
La evidencia dice que esa secuencia pierde. El análisis de Gartner de abril de 2026 halló que las organizaciones con iniciativas de IA exitosas invierten hasta cuatro veces más en sus cimientos de datos y analítica que aquellas cuyas iniciativas se estancan (Gartner, 2026). El cimiento no es aquello a lo que llegáis después de la IA; es lo que determina si la IA funciona siquiera. «Añade el agente, arregla los datos después» es una descripción de la cohorte estancada, no de la exitosa.
Y el «después» tiene la costumbre de no llegar nunca, porque el agente crea la ilusión de que el problema está resuelto. Una vez que un motor de recomendaciones fluido se sienta sobre el stack, la urgencia política y presupuestaria de financiar el ingrato trabajo de integración se evapora — el dolor queda enmascarado, no resuelto. Habéis gastado para ocultar el síntoma, que es la forma más fiable de garantizar que la enfermedad nunca se trate. El orden importa: integrad suficiente del cimiento para que un agente tenga algo coherente sobre lo que razonar, y luego asentad el agente. Invertidlo y no estáis secuenciando de forma pragmática. Estáis financiando la versión del proyecto que Gartner vio fracasar.
Integración, no adición, es la palanca que los datos nombran
La parte más útil del estudio de Korn Ferry es que no solo diagnostica — cuantifica el beneficio de hacerlo bien. El subgrupo con datos conectados reportó un 68 % más de productividad, un 60 % más de rapidez en la contratación, un 60 % más de engagement y un 43 % de reducción de costes frente a sus pares fragmentados (Korn Ferry, 2026). No son los rendimientos de una herramienta mejor. Son los rendimientos de una señal coherente — la diferencia entre decisiones tomadas sobre datos reconciliados y decisiones tomadas sobre fragmentos.
La palabra que hace el trabajo es integración, no adición. Las organizaciones que fracasan siguieron añadiendo — otra plataforma, otra solución puntual, y ahora otro agente — y cada adición ensanchó la brecha de reconciliación. Las que triunfan consolidaron la señal para que selección, diseño de roles y sucesión pasaran por una única lente coherente en lugar de tres contradictorias. Este es el principio sobre el que construimos en Scovai: una única señal de calidad decisoria, extraída en nuestro caso de más de 380.000 evaluaciones psicométricas, que canaliza a quién contratar, cómo diseñar el rol y a quién promover a continuación a través de una vista integrada — antes de que el próximo agente se asiente encima. El punto no es el volumen de evaluaciones. Es que una única señal reconciliada supera a diez desconectadas, y es la señal reconciliada, no la cantidad en bruto, lo que un agente necesita debajo para valer algo.
La palanca, dicho de otro modo, no es «más IA». Es «una sola versión de la verdad sobre la que la IA pueda razonar». El subgrupo conectado de Korn Ferry es la prueba de lo que esa palanca rinde; su mayoría fragmentada es la prueba de lo que cuesta saltársela.
La decisión de este trimestre
Una pregunta, antes de aprobar la línea de IA agéntica en el presupuesto del Q3. Si asentarais ese agente mañana, ¿de cuántos sistemas separados y no reconciliados estaría leyendo — y esos sistemas concuerdan sobre quiénes son vuestras personas y qué saben hacer? Si la respuesta honesta es «de tres a diez, y no» — que los datos de Korn Ferry dicen que es cierto para el 95 % de las organizaciones — entonces no estáis a punto de recortar vuestro impuesto de fragmentación del 3 % de la nómina. Estáis a punto de agravarlo, y de vestir el resultado con una confianza algorítmica que hará más difícil detectar la incoherencia subyacente. Los datos de personal desconectados no son un problema del que podáis automatizaros para salir; son el problema que la automatización hereda. Dedicad el próximo trimestre a reconciliar suficiente del stack para que exista una única señal de calidad decisoria — y luego, solo entonces, poned el agente encima. Invertid ese orden y pagaréis el impuesto dos veces: una por la fragmentación que ya tenéis, y otra por el agente que la hizo invisible.